Означает ли статистическая независимость отсутствие причинно-следственной связи?


40

Две случайные величины A и B статистически независимы. Это означает, что в DAG процесса: и, конечно, . Но значит ли это, что от B до A нет входной двери?(AB)P(A|B)=P(A)

Потому что тогда мы должны получить . Так что, если это так, означает ли статистическая независимость автоматически отсутствие причинно-следственной связи?P(A|do(B))=P(A)

Ответы:


37

Так что, если это так, означает ли статистическая независимость автоматически отсутствие причинно-следственной связи?

Нет, а вот простой контрпример с многомерным нормальным,

set.seed(100)
n <- 1e6
a <- 0.2
b <- 0.1
c <- 0.5
z <- rnorm(n)
x <- a*z + sqrt(1-a^2)*rnorm(n)
y <- b*x - c*z + sqrt(1- b^2 - c^2 +2*a*b*c)*rnorm(n)
cor(x, y)

С соответствующим графиком,

введите описание изображения здесь

Здесь мы имеем, что и незначительно независимы (в многомерном нормальном случае нулевая корреляция подразумевает независимость). Это происходит потому, что обратный путь через точности отменяет прямой путь от к , то есть . Таким образом, . Тем не менее, напрямую вызывает , и мы имеем , что отличается от .xyzxycov(x,y)=bac=0.10.1=0E[Y|X=x]=E[Y]=0xyE[Y|do(X=x)]=bxE[Y]=0

Ассоциации, вмешательства и контрафакты

Я думаю, что здесь важно сделать некоторые разъяснения относительно ассоциаций, вмешательств и контрфактов.

Причинно-следственные модели влекут за собой утверждения о поведении системы: (i) при пассивных наблюдениях, (ii) при вмешательствах, а также (iii) контрфакты. И независимость на одном уровне не обязательно переводит на другой.

Как показывает приведенный выше пример, мы не можем иметь никакой связи между и , то есть , и все же быть в том случае, если манипуляции с изменяют распределение , то есть .XYP(Y|X)=P(Y)XYP(Y|do(x))P(Y)

Теперь мы можем пойти еще дальше. У нас могут быть причинно-следственные модели, в которых вмешательство на не меняет распределение популяции , но это не означает отсутствие контрфактуальной причинности! То есть, даже если , для каждого отдельного их исход был бы иначе , если бы вы изменили его . Это именно тот случай, описанный user20160, а также в моем предыдущем ответе здесь.XYP(Y|do(x))=P(Y)YX

Эти три уровня составляют иерархию задач причинного вывода с точки зрения информации, необходимой для ответа на запросы по каждому из них.


1
Спасибо, это именно то, что я искал. Таким образом, я думаю, что моя путаница была вызвана (не каламбур) из-за того, что статистическая независимость также означает D-разделение между двумя переменными. Но это работает только наоборот, правильно?
user1834069

@ user1834069 верно, d-разделение подразумевает независимость, но независимость не подразумевает d-разделение. Эти два примера являются примерами, когда распределение неверно для графика, и вы можете видеть, что это зависит от выбора параметризации. Если мы изменим параметры, то зависимость снова появится.
Карлос Синелли

Хороший пример. Если я правильно помню, это одно из не поддающихся проверке допущений при извлечении причинно-следственных данных из данных наблюдений. Для линейных моделей в SEM в книге Перла также упоминается, что набор коэффициентов, которые приводят к неверному распределению, имеет меру 0.
Вимал

37

Предположим, у нас есть лампочка, управляемая двумя выключателями. Пусть и обозначают состояние переключателей, которые могут быть 0 или 1. Пусть обозначает состояние лампочки, которая может быть либо 0 (выключен), либо 1 (включен). Мы настроили схему так, что лампочка горит, когда два переключателя находятся в разных состояниях, и выключается, когда они находятся в одном и том же состоянии. Итак, схема реализует исключение или функцию: .S1S2LL=XOR(S1,S2)

По конструкции,LS1S2

p(S1=1)=p(S2=1)=0.5S1S2P(L=1)=0.5p(LS1)=p(LS2)=p(L)LS1LS2

LS1S2


2
P(L|do(S1))=P(L)

p(L|S1,S2)p(L)(vL,v1,v2){0,1}3p(L=vL|S1=v1)=p(L=vL|S2=v2)=0.5 p(L=vL|S1=v1,S2=v2){0,1}

0

Исходя из вашего вопроса, вы можете думать так:

P(AB)=P(A)P(B)AB

P(AB)/P(A)=P(B|A)=P(B)

P(AB)/P(B)=P(A|B)=P(A)

В этом отношении я считаю, что независимость означает отсутствие причинно-следственных связей. Однако зависимость не обязательно подразумевает причинно-следственную связь.


2
P(AB)=P(A)P(B)P(A|do(B))=P(A)
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.